• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Chemometrics >Observation-based missing data methods for exploratory data analysis to unveil the connection between observations and variables in latent subspace models
【24h】

Observation-based missing data methods for exploratory data analysis to unveil the connection between observations and variables in latent subspace models

机译：探索性数据分析的基于观测的缺失数据方法，揭示了潜在子空间模型中观测与变量之间的联系

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper introduces a class of methods to infer the relationship between observations and variables in latent sub-space models. The approach is a modification of the recently proposed missing data methods for exploratory data analysis (MEDA). MEDA is useful to identify the structure in the data and also to interpret the contribution of each latent variable. In this paper, MEDA is augmented with dummy variables to find the data variables related to a given deviation detected among observations, for instance, the difference between one cluster of observations and the bulk of the data. The MEDA extension, referred to as observation-based MEDA or oMEDA, can be performed in several ways, one of which is theoretically shown to be equivalent to a comparison of means between groups. The use of the proposed approach is demonstrated with a number of examples with simulated data and a real data set of arche-ological artifacts.
机译：本文介绍了一类方法来推断潜在子空间模型中的观测值与变量之间的关系。该方法是对最近提出的用于探索性数据分析（MEDA）的缺失数据方法的修改。 MEDA可用于识别数据中的结构以及解释每个潜在变量的作用。在本文中，使用虚拟变量扩充了MEDA，以查找与在观测值之间检测到的给定偏差相关的数据变量，例如，一组观测值与大量数据之间的差异。 MEDA扩展（称为基于观察的MEDA或oMEDA）可以通过多种方式执行，其中一种在理论上被证明等同于组间均值的比较。大量示例通过模拟数据和考古文物的真实数据集证明了所提出方法的使用。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号